Fugu-MT 論文翻訳(概要): Visual-Prompt Guided Wildlife Instance-Level Recognition

論文の概要: Visual-Prompt Guided Wildlife Instance-Level Recognition

arxiv url: http://arxiv.org/abs/2608.18246v1
Date: Tue, 18 Aug 2026 18:48:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-20 20:13:55.186665
Title: Visual-Prompt Guided Wildlife Instance-Level Recognition
Title（参考訳）: ビジュアルプロンプトガイドによる野生生物のインスタンスレベル認識
Abstract要約: 本稿では,一段階の終端検出と再同定モデルを提案する。我々はDINOv2をロバストな空間幾何学に、MegaDescriptorを野生生物の再同定に採用した。予備的な結果は、最先端の2段階アプローチの44.89%と比較すると、競争平均精度が30.584%だったことを反映している。
参考スコア（独自算出の注目度）: 4.13115026589334
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fine-grained wildlife re-identification remains a challenging area in research. Current state-of-the-art approaches apply a detection and re-identification pipeline. We propose a one-stage end-to-end detection and re-identification model that performs identity searching within the latent space. We adopt DINOv2 for robust spatial geometry and MegaDescriptor for wildlife re-identification. We enhance latent queries with prompt re-identification features. A detection decoder queries the scene latent space to establish object boundaries around the target identity. Preliminary findings reflect a competitive mean average precision score of 30.584% compared to the state-of-the-art two stage approach of 44.89%. Qualitative results depict effective bounding and identification of animal identities.
Abstract（参考訳）: きめ細かい野生生物の再同定は研究の難しい領域である。現在の最先端のアプローチは、検出と再識別パイプラインを適用している。本稿では,潜在空間内における個人識別を行う一段階のエンドツーエンド検出と再識別モデルを提案する。我々はDINOv2をロバストな空間幾何学に、MegaDescriptorを野生生物の再同定に採用した。我々は、即時再識別機能を備えた潜時クエリを強化する。検出デコーダは、シーン潜在空間をクエリして、ターゲットIDの周囲のオブジェクト境界を確立する。予備的な結果は、最先端の2段階アプローチの44.89%と比較すると、競争平均精度が30.584%だったことを反映している。質的な結果は、動物のアイデンティティの効果的なバウンディングと識別を描いている。

関連論文リスト

Automated Re-Identification of Holstein-Friesian Cattle in Dense Crowds [2.3843187053931456]
そこで我々は,Open-Vocabulary Weight-free Localisation と Segment Anything モデルを利用した新しい検出セグメント識別パイプラインを提案する。我々の手法は、密集した動物集団における検出の分解を克服し、98.93%の精度をもたらす。教師なしのコントラスト学習がこれに基づいて構築され、テストデータに対して94.82%のRe-ID精度が得られることを示す。
論文参考訳（メタデータ） (2026-02-17T19:25:50Z)
LCMem: A Universal Model for Robust Image Memorization Detection [10.504309161945065]
両タスクを協調的に評価するクロスドメインモデルであるLCMem(Latent Contrastive Memorization Network)を導入する。 LCMemは、再識別時の最大16ポイント、コピー検出時の30ポイントの改善を実現している。以上の結果から,既存のプライバシフィルタは性能と堅牢性を制限し,より強力な保護機構の必要性を浮き彫りにしている。
論文参考訳（メタデータ） (2025-12-16T14:06:58Z)
Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2025-10-28T09:28:12Z)
A Recover-then-Discriminate Framework for Robust Anomaly Detection [46.32260480448735]
異常検出(AD)は近年,幅広いシナリオで広く研究され,応用されている。実用的なアプリケーションのためにADを作成するために、達成されたものと望ましいレベルの認識精度の間にはまだギャップがある。本稿では,ADのための新しいRecover-then-Discriminate(ReDi)フレームワークを提案する。 ReDiは、自己生成された特徴マップと選択されたインプットイメージを明示的な入力情報として取り込んで、ケース1の問題を解決する。同時に,検索した表現と入力表現の異常な差異を高めるために,特徴レベルの識別ネットワークを提案する。
論文参考訳（メタデータ） (2024-06-07T03:34:16Z)
ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
論文参考訳（メタデータ） (2024-04-23T18:41:56Z)
COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文参考訳（メタデータ） (2023-08-03T03:37:13Z)
Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
論文参考訳（メタデータ） (2023-07-27T01:53:57Z)
Detect Any Deepfakes: Segment Anything Meets Face Forgery Detection and Localization [30.317619885984005]
本稿では,視覚的セグメンテーション基盤モデル,すなわちセグメンテーションモデル(SAM)をフォージェリ検出とローカライゼーションの対面に導入する。 SAMに基づいて,Multiscale Adapterを用いたDADFフレームワークを提案する。提案するフレームワークは、エンドツーエンドのフォージェリーローカライゼーションと検出最適化をシームレスに統合する。
論文参考訳（メタデータ） (2023-06-29T16:25:04Z)
RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文参考訳（メタデータ） (2022-01-13T06:30:56Z)
Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文参考訳（メタデータ） (2021-12-13T17:11:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。